作者(zhe)：王繼祥 來源(yuan)：億歐網

目前，關于人工智能到底有沒有真正的智能，是不是偽智能有很多爭議。因為深入到智能系統，我們看到的都是統計計算與概率邏輯的分析，智能來自哪里?同樣，2009年我代表物流技術與應用編輯部等單位提出智慧物流概念以來，大家對智慧物流也有很多爭議。如：智慧物流是不是炒作概念，物流系統到底能不能有智慧?如果有物流系統有智慧，那么智慧是怎么產生的?為什么本來沒有智慧的物流系統就會產生智慧?簡單的大數據分析就產生智慧嗎?針對上述問題，本文結合物理學的涌現性，試圖解釋智慧物流的智慧之源，揭示智慧物流的智慧之謎。一家之言，拋磚引玉，希望引起大家探討。

一、什么是涌現性?

涌現性指的是隨著事物的時間量變，單體簡單行為在簡單地相互影響下，在系統整體上突然出現的一種整體突變。即：涌現是一種從低層次到高層次的過渡,是在微觀主體進化的基礎上，宏觀系統在性能和機構上的突變，在這一過程中從舊質中可以產生新質。

系統科學把這種整體系統才具有，孤立部分及其個體總合不具有的性質稱為整體涌現性(whole Emergence)。涌現性就是組成的成分按照系統結構方式相互作用、相互補充相互制約而激發出來的特征，是一種結構效應。

不同的結構方式，不同的相互激發產生不同的整體涌現性。整體涌現性的產生不是單一的，是規模效應和結構效應共同的結果，是簡單個體信息連接并互相影響帶來的整體網絡效應的突變，是系統的質變與升級。整體性、系統性并不一定是涌現性，涌現性具有整體大于部分之和或整體小于部分之合的特征。

0與1是很簡單的符號，但是這樣的兩個符號通過簡單地加減互相作用，進化出了復雜的計算機系統和現在的數字世界，讓我們進入了數字時代。其實中國古代哲學中也是通過陰與陽的哲學概念來建立世界模型的，“一陰一陽謂之道”，中國中醫等傳統科學理論也建立在類似0與1這樣的模型體系，但缺乏現代科學支撐，顯得樸素和粗糙。

蜂群和螞蟻群其整體系統所涌現出的智能行為是關于整體涌現性的重要案例。一個螞蟻軍團，智愚而不知測量，視短而不及遠望，但這樣一群無知而短視的個體在崎嶇不平的地形上同時作業，當某只螞蟻偶然發現一條短路徑，這個信息通過信息素的氣味間接地傳遞給其他虛擬螞蟻，這樣，單只螞蟻畢生學習所得就間接地成為整個蟻群信息遺產的一部分，依靠這種把個體學習到的知識有效地傳播給自己的群體的作用機制，就能讓螞蟻軍團迅速找到穿越崎嶇地面的最短路徑。目前模擬蟻群網絡機制，發展的蟻群算法也已經是人工智能中著名的計算方法之一了。

二、涌現性的基本特征

1、自主性：

根據觀察看出，凡是能夠出現整體涌現性的個體，不管是多么的低級，其自身都具有自主性，即具有一定的自主意識。有了自主意識就相當于有了生命力，可以實現狀態感知、分析判斷、自動執行的功能。

備注：有的書中將自主性也寫成自我性，考慮到自我性在文字表述上容易引起歧義，具有自我分辨意識的含義，所以本文將機器主動性表述為自主性。想想看，一旦智能系統真的具有自我意識，可以分辨自我，知道誰利用我，誰欺負我，就有了感情，就會分辨人類與機器，就可能激發人機對抗，將是人工智能的奇點，也是人類的災難。所以自主性不等于自我性。

2、互感知：

產生涌現性的群體中的個體可以互相感知，信息交流、相互作用、相互制約而產生相關效應。也就是說群體中的個體之間可以按照簡單地規則互相影響。

3、自學習

自學習是群體系統智慧涌現的基本條件。我們說一個群體具備了自主性、互感知特征，只是具備了涌現出群體初級智能的條件，如蟻群或蜂群，但是這樣的群體還不具備智慧，只能涌現出低水平的群體智能，并長期處在在同一智能水平上難以進化，因為整個群不具備自我學習、知識儲備和迭代升級的能力。

如果一個群體，具備了自主學習，知識儲備，自主訓練，并迭代升級，則這個群體的特征就不是僅僅處于初級智能的水平，而是具備了智慧涌現性的能力，知其然，更知其所以然。

在現代社會，我們現在已經可以很簡單的就設計出一個具有自主性的產品。按照自主性的特征，利用物聯網技術，讓一個產品可以實現狀態感知、判斷反饋、自動執行就可以了。比如蒸汽機通過自身溫度控制自身風箱開關的大小、抽水馬桶通過水位線控制閥門開關等等，這些產品本身都具備“自主性”的這一功能。

在此基礎上，我們通過物聯網技術讓物品聯網，形成物流互聯網、制造互聯網等物聯網系統，系統內的物品就可以建立互相感知、信息交互、相互制約的簡單機制，這個群體就會涌現出群體智能。

在涌現理論出現之前，過去的人們一般使用還原理論來解釋復雜系統的問題。還原理論的基本觀點是：(1)整體是由局部構成的，因此局部決定整體;(2)整體的任一個變化，均可在局部找到原因。

還原理論雖然符合人們的思維習慣，也的確解決了不少問題，但是在遇到復雜系統相關問題時，卻遇到了一些無法解釋的現象，例如生態系統、大腦神經系統、經濟系統、金融系統等復雜系統中的問題。因此人們開始發展專門針對復雜系統的概念和理論，而“涌現性”是其中最基本、也是最突出的一個。一般認為，具有涌現性的系統被稱為復雜系統。

觀察具有群體智能的世界，高級的智能行為都是通過大量低級單位的感知所形成的。低級單位各自做自己的事，并通過網絡回路達成信息交流，這樣的過程由量變到質變，最終產生智能化群體行為。每個低級單位無法預測、判斷群體的行為，個體行為具有隨機性，但群體行為綜合起來的就是最優方案。在這種運營模式中，每個個體都是中心，即“去中心化”，沒有真正的管理或統治中心，他們通過網絡彼此影響、彼此干預，實現了最終的群體智能行為。

三、物流系統的智慧涌現分析

1、物流自動化讓設備具有了“自主性”功能

物流自動化設備是智慧物流執行系統，是具有“自主性”的物流作業執行單元，可以是一個部件或一個產品;通過“硬件”和“軟件”構成“感知-判斷-執行”的閉環，具備了自主感知，分析判斷，自動執行的功能，具備了自主性的能力。

物流自動化不是智慧物流，初級物流自動化設備有時候連物流智能硬件都算不上，只具備了自動的感知和自動的執行功能。隨著物流自動化技術也在不斷進步，陸續出現了主動感知功能、無線感知功能，并對感知的命令可以根據預設條件進行簡單判斷后自動執行的功能，是具備了狀態感知、分析判斷、自動執行功能，產生了自主性的智慧物流執行單元。

◇ 如：自動分(fen)揀系(xi)統，可以自動感知(zhi)系(xi)統命令，自動完成輸送和(he)分(fen)揀作(zuo)業；

◇ 如：物流機器人，可以自動感知和接收系統命令，分析判斷行走路徑，自動托舉或抓取貨物，走到目的地完成貨物的自動搬運；等等

2、物聯網讓物流系統具有了“互感知”功能

物聯網技術的發展，可以實現貨物與貨物之間聯網通信，可以實現機械與機械之間聯網通信，激發物聯網感知功能，可以實現貨物與設備的信息互聯互通，建立物流互聯網。此時，單元化的設備除了具有自主感知自動執行的能力，還具備了設備之間的信息通訊與互感知，多臺設備與貨物通過感知連接成物聯網，就讓物流系統群體物品與設備之間具有了互感知的功能。在此基礎上，通過制定簡單的互感知與互影響規則，物流系統的群體智能就可以涌現了。

◇ 如：群(qun)體(ti)物(wu)流(liu)機器人(ren)(ren)可以(yi)聯網(wang)作(zuo)業(ye)，有(you)規則的優化(hua)和(he)安排各自的行程路徑(jing)，設計出最短行走距離，托舉貨架實(shi)現貨代人(ren)(ren)揀選，物(wu)流(liu)中(zhong)心揀選人(ren)(ren)員(yuan)不必在(zai)行走中(zhong)揀選，大大減少了物(wu)流(liu)中(zhong)心揀選人(ren)(ren)員(yuan)的勞動。

◇ 如：貨物互感知(zhi)和互影響，聯網(wang)運作(zuo)時就可以根據感知(zhi)的(de)出(chu)庫流量分析和庫存貨物數量分析，按照(zhao)簡單規(gui)則分析判斷，既可以智能的(de)發(fa)出(chu)補(bu)貨指令。

◇ 如：卡車在配送中通過車聯網系統，可以感知配送路徑上某段路所行駛的車輛行駛速度，如果出現速度緩慢甚至停止，車聯網系統既可以智能判斷出是否出現擁堵，并根據大數據分析各車輛通過擁堵路段的平均時間，向配送車輛發出擁堵信息、與通過擁堵路段時間，智能引導車輛更換路徑。等等。

具備了連接組網的能力，借助物聯網技術連接入網，在互聯網基礎設施上架構物流自動化系統，可以按照模塊化理論對物流自動化系統進行柔性調整，實現狀態感知、聯網互動、判斷決策、自動執行，這樣的自動化系統具備了具有群體特征的基本智能。

3、物流大腦讓物流系統具備了“自學習”功能

物流系統具備了自主性與互感知，通過聯網，按照簡單地規則與固定的決策判斷依據，通過軟件控制實現物流系統的智能化，但是這樣的系統僅僅涌現出了智能，知其然而不知其所以然，系統智能難以自我實現迭代升級進化，還需要通過人類賦能，重新設計軟件，制定升級的決策判斷算法與依據，實現智能升級，系統本身并不具備自己升級智能的能力。

但是，借助于物流系統的自主性與互感知，整個物流大系統可以產生大量的數據，物流系統全鏈路數據化之后，讓物流大數據匯總至物流大腦，通過系統自學習的軟件程序，讓物流系統可以自動的計算和分析物流大數據，自主找出數據規律，自主學習系統經驗，自我升級決策判斷軟件，并通過一切流程數據化對全鏈路物流運作系統賦能，讓物流系統具備了自學習、自提升的功能。系統就產生了智慧的涌現性。

什么是智：按照智的本質，知曉曰智，也就是系統可以自我知曉，就具備了智;什么是能?會做為能，有才干和本事為能。根據自我知曉的信息自動完成指令就具備了智能。什么是慧，了解稱慧，就是知其所以然，可以自主學習與提升。智慧就是知其然有知其所以然，掌握了規律，可以自主學習，自動提升。

智慧物流的發展必須要求物流系統知其然也要知其所以然，概括來講，就是我給智慧物流的定義了：智慧物流，指的是基于物聯網技術應用，實現互聯網向物理世界延伸，互聯網與物流實體網絡融合創新，實現物流系統的狀態感知、實時分析、科學決策與精準執行，進一步達到自主決策和學習提升，擁有一定智慧能力的現代物流體系。

根據涌現性原理，我們就可以設計一個物流系統，讓物流系統具備自主性、互感知、互操作、自學習、自提升，自然就會涌現出智慧，形成智慧物流。具備自主性的物流單元是實現作業執行的物流系統;互感知和互操作核心是信息互聯互通傳輸系統;而物流大腦則是集成了大數據、云計算、人工智能的智慧物流思維系統。

四、系統智慧的涌現過程分析

1、感知

單體的感知-判斷-執行，形成獨立單元的個體活動。

2、作用(關聯)

互感知與互操作是系統間單元個體建立關聯作用的關鍵，形成相互關聯的群體組織(系統)。關聯往往導致1+1>2 或1+1< 2 ，可稱為非線性。

其實市場就是一個關聯組織， 復雜系統給出價格是網絡相互作用導致的，我們都受到相鄰單元的相互作用。相互作用的關聯導致非線性的協同效應，出現1+1大于2 或小于2， 但基本不會是1+1=2。比如為什么會有公司，那一定是某種合作導致的1+1大于2效應才使得組織可以產生。市場是一個復雜巨系統，非線性的協同效應讓我們難以通過計劃來協同市場關系，但通過市場價格競爭簡單地規則建立，就可以產生完美的協同效應，遠遠超越計劃控制對系統協同的影響。

3、反饋

復雜系統多描述一個系統的時間變化過程， 如市場價格的波動， 研究這個時間變化過程， 往往要考慮此刻的結果對下一刻系統結果輸出的影響。反饋分為正反饋和負反饋， 負反饋導致定點平衡態，如市場巨系統價格競爭就是典型的負反饋，商品供應越多價格越低，最后在產品成本區域導致定點平衡，其涌現出的市場經濟本身的智慧遠遠高于人類的計劃經濟智慧，人類想借助自己智慧調控市場經過實踐證明難以導致市場均衡。但是，如果系統的正反饋則會帶來系統的不穩定性，如雪崩，股市崩盤。

因為在所有復雜系統中， 都存在正反饋和負反饋。反饋帶有回路的概念。一個單元通過相互作用傳遞給另一個單元，反過來另一個單元又可以把信息傳遞回來。反饋往往是指此刻的活動對下一刻的活動的影響。

4、相變

相變體現的是系統涌現出智慧的臨界點變化，當系統主導反饋的性質發生變化，則會經歷一個相變。相變在自然和社會中無處不在，自然中的相變當然包括冰和水之間的轉化， 也包括磁鐵從一種相到另一種相的變化。

如磁鐵這個東西有兩個相， 一個是組織成分均勻一致(有序)的狀態，一個是無序和混亂的狀態。相變，就是當你改變某個外部變量， 整個系統從一個相到達另一個相的過程。影響一個系統相變的主要是兩個要素， 一個是熵(無序性，系統信息的缺失)，一個是某種趨同的效應。系統無序與有序的交替點稱為臨界，是相變時候的狀態， 這個時候最特別， 是系統出現“涌現性”的臨界態，臨界態極為重要 ，所謂涌現就是在關聯作用，系統反饋，自組織臨界基礎上得到的。即：系統從微觀到宏觀性質屬性產生質的突破。涌現優于權威，涌現優于計劃，涌現的系統更加穩定與高效協同。

涌現為什么會優于權威?以維基百科和《大英百科全書》這兩種模式來分析，一個是靠全球非專家的網友“涌現”出來的，一個是靠幾位權威專家撰寫出來的，但維基百科更為優秀，可以與時俱進，隨時更新。

涌現而形成的智慧系統則為什么會更加穩定，因為涌現是系統自身按簡單規則自下而上的構成協同效應，是分布式的。計劃的系統有中樞系統，攻擊計劃的系統時可以“擒賊先擒王”，但涌現的系統沒有“王”。如：維基百科是網友寫出來的，某些網友不想寫了，也完全不影響這個系統，而《大英百科全書》要是有幾位作者不干了，那這本書可就難產了。

我們的(de)(de)(de)(de)大腦，簡化(hua)來(lai)看其實就(jiu)是(shi)一(yi)個(ge)個(ge)神(shen)經(jing)元組成的(de)(de)(de)(de)，單個(ge)神(shen)經(jing)元的(de)(de)(de)(de)機制，科學家(jia)們早就(jiu)研究清楚了，可仍舊(jiu)無法(fa)解(jie)(jie)釋什么(me)是(shi)“意識(shi)”，而“意識(shi)”很(hen)有可能就(jiu)是(shi)神(shen)經(jing)元的(de)(de)(de)(de)“涌現(xian)(xian)”結(jie)果(guo)。涌現(xian)(xian)并不(bu)是(shi)“人(ren)多力量大”，它是(shi)一(yi)個(ge)“一(yi)加一(yi)大于二”的(de)(de)(de)(de)現(xian)(xian)象，更像是(shi)一(yi)種群體的(de)(de)(de)(de)“進(jin)(jin)化(hua)”，或者(zhe)是(shi)大數據的(de)(de)(de)(de)進(jin)(jin)化(hua)。從“簡單”的(de)(de)(de)(de)個(ge)體，到集合起來(lai)發展(zhan)出高(gao)一(yi)個(ge)層次的(de)(de)(de)(de)“行(xing)為”，這一(yi)“涌現(xian)(xian)性”，可以(yi)用易(yi)辛模(mo)型、非線性動(dong)力學模(mo)型來(lai)模(mo)擬(ni)，系統(tong)升級可以(yi)用貝葉斯網絡(luo)等概率(lv)統(tong)計分析等自學習來(lai)模(mo)擬(ni)。但是(shi)，到目前具有自主意識(shi)的(de)(de)(de)(de)智慧涌現(xian)(xian)秘密(mi)(mi)還沒有完全(quan)(quan)破解(jie)(jie)，如(ru)果(guo)真(zhen)的(de)(de)(de)(de)完全(quan)(quan)破解(jie)(jie)了“涌現(xian)(xian)”的(de)(de)(de)(de)秘密(mi)(mi)，那么(me)人(ren)工(gong)智能的(de)(de)(de)(de)真(zhen)正覺醒就(jiu)指日(ri)可待了。

//news.rfidworld.com.cn/2019_03/f057e0029304fea4.html